Pandas Computing на многомерных данных

Question

У меня есть два фрейма данных, в которых хранятся данные отслеживания атакующих и оборонительных игроков во время игры в НФЛ. Моя цель - рассчитать максимальное расстояние между нападающим и ближайшим защитником в ходе игры.

В качестве простого примера я привел некоторые данные, в которых есть только три нападающих и два защитника. Вот данные:

Defense
    GameTime  PlayId  PlayerId  x-coord  y-coord
0          1       1       117     20.2     20.0
1          2       1       117     21.0     19.1
2          3       1       117     21.3     18.3
3          4       1       117     22.0     17.5
4          5       1       117     22.5     17.2
5          6       1       117     23.0     16.9
6          7       1       117     23.6     16.7
7          8       2       117     25.1     34.1
8          9       2       117     25.9     34.2
9         10       2       117     24.1     34.5
10        11       2       117     22.7     34.2
11        12       2       117     21.5     34.5
12        13       2       117     21.1     37.3
13        14       3       117     21.2     44.3
14        15       3       117     20.4     44.6
15        16       3       117     21.9     42.7
16        17       3       117     21.1     41.9
17        18       3       117     20.1     41.7
18        19       3       117     20.1     41.3
19         1       1       555     40.1     17.0
20         2       1       555     40.7     18.3
21         3       1       555     41.0     19.6
22         4       1       555     41.5     18.4
23         5       1       555     42.6     18.4
24         6       1       555     43.8     18.0
25         7       1       555     44.2     15.8
26         8       2       555     41.2     37.1
27         9       2       555     42.3     36.5
28        10       2       555     45.6     36.3
29        11       2       555     47.9     35.6
30        12       2       555     47.4     31.3
31        13       2       555     46.8     31.5
32        14       3       555     47.3     40.3
33        15       3       555     47.2     40.6
34        16       3       555     44.5     40.8
35        17       3       555     46.5     41.0
36        18       3       555     47.6     41.4
37        19       3       555     47.6     41.5


Offense 
    GameTime  PlayId  PlayerId  x-coord  y-coord
0          1       1       751     30.2     15.0
1          2       1       751     31.0     15.1
2          3       1       751     31.3     15.3
3          4       1       751     32.0     15.5
4          5       1       751     31.5     15.7
5          6       1       751     33.0     15.9
6          7       1       751     32.6     15.7
7          8       2       751     51.1     30.1
8          9       2       751     51.9     30.2
9         10       2       751     51.1     30.5
10        11       2       751     49.7     30.6
11        12       2       751     49.5     30.9
12        13       2       751     49.1     31.3
13        14       3       751     12.2     40.3
14        15       3       751     12.4     40.5
15        16       3       751     12.9     40.7
16        17       3       751     13.1     40.9
17        18       3       751     13.1     41.1
18        19       3       751     13.1     41.3
19         1       1       419     41.3     15.0
20         2       1       419     41.7     15.3
21         3       1       419     41.8     15.4
22         4       1       419     42.9     15.6
23         5       1       419     42.6     15.6
24         6       1       419     44.8     16.0
25         7       1       419     45.2     15.8
26         8       2       419     62.2     30.1
27         9       2       419     63.3     30.5
28        10       2       419     62.6     31.0
29        11       2       419     63.9     30.6
30        12       2       419     67.4     31.3
31        13       2       419     66.8     31.5
32        14       3       419     30.3     40.3
33        15       3       419     30.2     40.6
34        16       3       419     30.5     40.8
35        17       3       419     30.5     41.0
36        18       3       419     31.6     41.4
37        19       3       419     31.6     41.5
38         1       1       989     10.1     15.0
39         2       1       989     10.2     15.5
40         3       1       989     10.4     15.4
41         4       1       989     10.5     15.8
42         5       1       989     10.6     15.9
43         6       1       989     10.1     15.5
44         7       1       989     10.9     15.3
45         8       2       989     25.8     30.1
46         9       2       989     25.2     30.1
47        10       2       989     21.8     30.2
48        11       2       989     25.8     30.2
49        12       2       989     25.6     30.5
50        13       2       989     25.5     31.0
51        14       3       989     50.3     40.3
52        15       3       989     50.3     40.2
53        16       3       989     50.2     40.4
54        17       3       989     50.1     40.8
55        18       3       989     50.6     41.2
56        19       3       989     51.4     41.6

Данные по существу многомерны с GameTime, PlayId и PlayerId в качестве независимых переменных и с координатами x и y в качестве зависимых переменных. Как я могу рассчитать максимальное расстояние от ближайшего защитника во время игры?

Полагаю, мне придется создавать столбцы, содержащие расстояние от каждого защитника для каждого нападающего, но я не знаю, как их назвать, и могу объяснить неизвестное количество защитников / нападающих (полное набор данных содержит тысячи игроков).

Answer 1

Вот возможное решение, я думаю, что есть способ сделать его более эффективным:

Предполагается, что у вас есть фрейм данных с именем offense_df и фрейм данных с именем defense_df:

В объединенном фрейме данных вы получите ответ на свой вопрос, в основном он создаст следующий фрейм данных:

from scipy.spatial import distance 
merged_dataframe = pd.merge(offense_df,defense_df,on=['GameTime','PlayId'],suffixes=('_off','_def'))

    GameTime    PlayId  PlayerId_off    x-coord_off y-coord_off PlayerId_def    x-coord_def y-coord_def
0   1   1   751 30.2    15.0    117 20.2    20.0
1   1   1   751 30.2    15.0    555 40.1    17.0
2   1   1   419 41.3    15.0    117 20.2    20.0
3   1   1   419 41.3    15.0    555 40.1    17.0
4   1   1   989 10.1    15.0    117 20.2    20.0

Следующие две строки здесь, чтобы создать уникальный столбец для координат, в основном он создаст для нарушителя (ordin_off) и для защитника столбец (Coord_def), который содержит кортеж (X, Y), это упростит вычисление расстояния.

merged_dataframe['coord_off'] = merged_dataframe.apply(lambda x: (x['x-coord_off'], x['y-coord_off']),axis=1)
merged_dataframe['coord_def'] = merged_dataframe.apply(lambda x: (x['x-coord_def'], x['y-coord_def']),axis=1)

Мы вычисляем расстояние до всех защитников в данный GameTime, PlayId.

merged_dataframe['distance_to_def'] = merged_dataframe.apply(lambda x: distance.euclidean(x['coord_off'],x['coord_def']),axis=1)

Для каждого PlayerId, GameTime, PlayId мы берем расстояние до ближайшего защитника.

smallest_dist = merged_dataframe.groupby(['GameTime','PlayId','PlayerId_off'])['distance_to_def'].min()

Наконец, мы берем максимальное расстояние (из этих минимальных расстояний) для каждого PlayerId.

smallest_dist.groupby('PlayerId_off').max()